2015年，芯片設計公司數(shù)量為736家，一年后，幾乎翻了一倍成為1362家。其中，AI芯片最為耀眼。經過幾年的探索和沉淀，AI的發(fā)展也許已經悄然進入2.0階段。

大家更加注重與特定應用場景的結合，比如智能汽車，智能安防等;有部分則從單純的基于ASIC的方式轉向嘗試通用計算道路的探索，兼顧通用性并針對一些重點應用做相應的優(yōu)化。少了吵吵嚷嚷的熱鬧，多了踏踏實實的落地。

隨著應用的深入和落地，云端、邊緣和終端側多點開花。每個節(jié)點的芯片側重點可能略有不同，云端更加強調性能的極致，通常采用異構的芯片架構，用GPU或者專用的ASIC芯片與CPU配合，處理復雜的數(shù)據訓練或者inference的工作，那GPU/ASIC之間以及GPU/ASIC與CPU之間以及GPU/ASIC與存儲模塊之間都需要極高性能的接口來支撐，如PCIe、CCIX、GenZ、DDR等;

邊緣或者終端側雖然不像云端對性能要求那么高，但是他們需要面對更多復雜的應用場景，如前面提到的智能駕駛、智能醫(yī)療、工業(yè)智能等，那么他們會在兼顧性能的同時更加看重能耗比的指數(shù)，因此也會有一些新的接口或者總線類型來適應他們的應用，如MIPI、UFS、LPDDR等。

從云端的總線來看，前面提到有很多種，我們以PCIe來舉例。雖然它的效率和性能并不是最高的，但它目前是最成熟的，用的也比較多。目前商用落地的是PCIe 4.0技術，那到今年年底，有一些領先的服務器廠商就會推出PCIe 5.0的樣品。那PCIe 5.0的速率已經達到了32Gbps，而且在這個速率下還要考慮到與前代的兼容，它的channel loss會非常大，在奈奎斯特頻率下會達到36dB。在如此高的速率下要保證這么高的設計余量，對設計工程師來說，這是一個非常大的挑戰(zhàn)。

舉例來說，即使經過非常復雜的預加重、均衡、信道訓練等，那最終達到芯片接收端，芯片內部的眼高不會超過15mW，眼寬不會超過10ps。這是非常非常小的余量。如果設計的余量不夠，那總線的丟包率就會比較高，就會導致重傳，那芯片的效率就大大降低了。那如何實現(xiàn)更大的設計余量?如何去測試設計的余量，如何將設計和測試做閉環(huán)驗證都是工程師面臨的巨大挑戰(zhàn)。

那對于邊緣或者終端側來說，要考慮成本、要考慮功耗。所以它的總線技術不會像云端走的那么快，但它會采用一些特殊的總線來適應終端場景的需求。比如在云端更多的采用類似PCIe這種來做計算，但在終端/邊緣側則更多的采用類似MIPI這種總線進行計算或者數(shù)據的傳輸;在云端的數(shù)據存儲總線可能會用到DDR4或者DDR5，但在終端/邊緣，可能更多的會用到LPDDR;對于云端，可能更多的使用PCIe等去做擴展，而終端會更多傾向于用USB去做擴展。所以兩者差異還是很大的。

除了速率上的不同，終端側其實還需要考慮連接的簡潔性以及功耗的性能，所以終端側的總線的內部協(xié)議或者信號的調整方式上反而更加復雜一些。比如Type-C接口，它外面的連接非常簡潔，但是其實它內部協(xié)議非常復雜。

它要考慮正反插，要考慮供電，要兼容顯示和數(shù)據傳輸?shù)鹊龋越K端側的這些總線的設計要求與云端又不一樣。

當然，無論是什么樣的AI芯片，無論是什么樣的技術浪潮，是德科技都能陪伴在您的產品設計和研發(fā)過程中，為您的芯片質量提供堅實的保障。

無論是計算總線還是內存接口總線，無論是仿真還是產品測試，是德科技都有全面的解決方案，為您的產品保駕護航。